什麼是監督學習？
當我們希望通過某些輸入來**對應的輸出，這時候就需要先使用已經存在的輸入/輸出資料對來訓練模型，這些資料對中，每乙個輸入都乙個已知的輸出，我們就是讓機器去學習這其中的規律
基本介紹
監督學習問題主要分為兩種：分類與回歸
分類問題：**類別標籤。比如在（一）中實現的鳶尾花分類
回歸問題：**乙個連續值。比如根據教育水平，年齡和居住地來**乙個人的年收入
區分分類任務與回歸任務的簡單方法：就是輸出是否具有某種連續性。
基本介紹
泛化：如果乙個模型能夠對沒見過的資料做出準確 **，我們就說它能夠從訓練集泛化(generalize)到測試集
過擬合：如果在擬合模型時過分關注訓練集的細節，得到了乙個在訓練集上表現很好、但不能泛化到新資料上的模型，這種情況就存在過擬合
欠擬合：模型在訓練集上的表現就很差，選擇過於簡單的模型被稱為欠擬合
總結：我們的模型越複雜，在訓練資料上的**結果就越好。但是，如果我們的模型過於複雜， 我們開始過多關注訓練集中每個單獨的資料點，模型就不能很好地泛化到新資料上。
模型複雜度與資料集大小的關係
模型複雜度與訓練資料集中輸入的變化密切相關，資料集中包含的資料點變化範圍越大，在不發生過擬合的前提下可以使用的模型就越複雜，對監督學習任務往往特別有用
python機器學習基礎（二）
python機器學習基礎教程 一 k近鄰演算法scikit learn中有很多可用的分類演算法。這裡我們用的是k近鄰分類器，這是乙個很容易理解的演算法。核心思想是 要對乙個新的資料點作出 演算法會在訓練集中尋找與這個新資料點距離最近的資料點，然後將找到的資料點的標籤賦值給這個新資料點。k近鄰演算法中...
機器學習 二 機器學習基礎
機器學習基礎概念 關於資料 監督學習 機器學習的基本任務，具體可以做什麼？結果是乙個連續數字的值，而非乙個類別 回歸任務可以劃分成分類任務。給機器的訓練資料擁有 標記 或者 答案 例如 1.影象已經擁有了標定資訊 2.銀行已經積累了一定的客戶資訊和他們信用卡的信用情況 3.醫院已經積累了一定的病人資...
Python 機器學習基礎
pandas matplotlib reference numpy 的資料結構 numpy的基本操作 當進行 和 等邏輯判斷時，numpy會對array中所有元素進行判斷。import numpy vector numpy.array 5,10,6,7 vector 10 output array ...